정보과학회논문지 (Journal of KIISE)
Current Result Document : 28 / 29
| 한글제목(Korean Title) |
항목 인기도 편향 관점에서의 잡음제거 오토인코더의 효과 |
| 영문제목(English Title) |
Effect of Denoising Autoencoder in the view of Item Popularity Bias |
| 저자(Author) |
박진영
오혜연
JinYeong Bak
Alice Oh
김진홍
이재웅
이종욱
Jinhong Kim
Jae-woong Lee
Jongwuk Lee
|
| 원문수록처(Citation) |
VOL 48 NO. 05 PP. 0575 ~ 0583 (2021. 05) |
한글내용
(Korean Abstract) |
잡음제거 오토인코더는 추천 시스템에서 최근 흔히 사용되고 있는 모델이다. 이 모델은 입력에 잡음을 주어 학습시키는 오토인코더의 신경망 기반 추천 모델로 오토인코더에 비해 높은 정확도를 보인다. 본 논문에서는 잡음제거 오토인코더의 학습 과정을 이해하기 위해서, 항목의 인기도 편향 관점에서 잡음의 효과를 분석한다. 분석을 위해 우리는 다음의 두 가지 방법으로 실험을 설계한다. 우선, 오토인코더에 잡음을 주는 방법으로 학습된 항목 벡터의 L2 노름(L2-norm)의 변화를 관찰한다. 다음으로는, 항목의 인기도에 의해 일차적으로 추출된 항목에만 잡음을 주는 방법을 통해, 잡음제거 오토인코더의 성능 향상 효과와 항목의 인기도간 관련성을 분석한다. 실험결과를 통해 인기도에 의해 생긴 항목 벡터 노름의 분산의 크기가 잡음에 의해 줄어드는 것을 확인하였으며, 또한 인기도가 높은 항목에 잡음을 줄 때 정확도 향상에 도움이 되는 것을 확인하였다.
|
영문내용
(English Abstract) |
Denoising autoencoder (DAE) is commonly used in recent recommendation systems. It is a type of Autoencoder that trains by giving noise to the input and has shown improved performance compared to autoencoder. In this paper, we analyze the effect of noise in terms of item popularity to interpret the training of DAE. For analysis, we design the experiment in the following two ways. First, we observe the changes of the learned item vector’s L2-norm by giving noise to the autoencoder. Second, by giving noise only to presampled items by popularity, we anlayze whether the improved performance of the DAE is related to item popularity. Results of the experiment showed that the variance of the item vector norm caused by popularity was reduced by noise, and that the accuracy increased when noise was given to the popular items.
|
| 키워드(Keyword) |
분류
리더십
RNN
BERT
조선왕조실록
classification
leadership
annals of the Joseon dynasty
잡음제거 오토인코더
협업 필터링
상위-N 추천
항목 인기도
denoising autoencoder
collaborative filtering
top-N recommendation
item popularity
|
| 파일첨부 |
PDF 다운로드
|
